CN112102319A - 脏污图像检测方法、脏污图像检测装置及脏污图像检测机构 - Google Patents
脏污图像检测方法、脏污图像检测装置及脏污图像检测机构 Download PDFInfo
- Publication number
- CN112102319A CN112102319A CN202011282276.5A CN202011282276A CN112102319A CN 112102319 A CN112102319 A CN 112102319A CN 202011282276 A CN202011282276 A CN 202011282276A CN 112102319 A CN112102319 A CN 112102319A
- Authority
- CN
- China
- Prior art keywords
- dirt
- area
- detection
- unit
- detection area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 156
- 239000002245 particle Substances 0.000 claims abstract description 126
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000011109 contamination Methods 0.000 claims description 27
- 230000002093 peripheral effect Effects 0.000 claims description 13
- 239000002689 soil Substances 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 7
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 2
- 230000009278 visceral effect Effects 0.000 description 2
- 230000010339 dilation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Studio Devices (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供了脏污图像检测方法、脏污图像检测装置及脏污图像检测机构，其中采集镜片脏污方法包括获取待检测镜片的影像，基于影像确定检测区域的范围，确定检测区域范围内的脏污颗粒，基于脏污颗粒判定检测区域内的脏污；脏污图像检测装置包括影像获取单元、第一处理单元、第二处理单元以及检测单元。通过本发明提供的脏污图像检测方法及脏污图像检测装置，可稳定且客观地检测出镜片上的脏污颗粒，无需人工操作，极大程度提高了脏污的检测效率。
Description
技术领域
本发明涉及脏污检测技术领域，尤其涉及脏污图像检测方法、脏污图像检测装置及脏污图像检测机构。
背景技术
手机镜片，指的是一种由透镜制成且用于拍摄的光学元件。在镜片生产过程中，总会因直接接触或间接接触导致手机镜片表面存在脏污，以至于影响到手机的拍摄效果。因此对于镜片的脏污检测是一道必不可少的工序。
现有技术中，对于脏污的检测主要依赖于人工在高倍显微镜下识别，其工作量较大，且存在一定的主观意识，从而影响镜片检测的稳定性。
发明内容
基于此，有必要提供一种可解决镜片检测稳定性差的问题的脏污图像检测方法。
一种脏污图像检测方法，包括
获取待检测镜片的影像；
基于所述影像，确定检测区域的范围；
确定所述检测区域范围内的脏污颗粒；
基于所述脏污颗粒，检测所述检测区域内是否存在的脏污。
为了解决上述问题，本发明还提供一种脏污图像检测装置，包括：
影像获取单元，所述影像获取单元用于获取待检测镜片的影像；
第一处理单元，所述第一处理单元用于确定检测区域的范围；
第二处理单元，所述第二处理单元用于确定所述检测区域范围内的脏污颗粒；
检测单元，所述检测单元用于检测所述检测区域内是否存在脏污。
其中，所述确定所述检测区域范围内的脏污颗粒，包括：将所述检测区域划分为多个局部区域；捕捉所述局部区域内的多个像素点；选择待判定的所述像素点；对比所述像素点与周边其它像素点，以得出所述像素点与周边其它像素点之间灰度的差值；基于所述差值，判定所述像素点是否为所述脏污颗粒；
所述基于所述脏污颗粒，检测所述检测区域内是否存在脏污，包括以下三种方法中的一种、两种或三种：判定所述检测区域内是否存在个体型的脏污；判定所述检测区域内是否存在聚集型的脏污；判定所述检测区域内是否存在区域型的脏污；
其中，所述判定所述检测区域内是否存在个体型的脏污，包括：选择待判定的所述脏污颗粒；计算所述脏污颗粒的面积；基于所述脏污颗粒的面积，判定所述脏污颗粒是否属于个体型的脏污；
所述判定所述检测区域内是否存在聚集型的脏污，包括：选择待判定的所述脏污颗粒；定义聚集型距离；连接所述脏污颗粒与其在所述聚集型距离内的其它脏污颗粒，以形成脏污颗粒集；计算所述脏污颗粒集的面积；基于所述脏污颗粒集的面积，判定所述脏污颗粒集是否属于聚集型的脏污；
所述判定所述检测区域内是否存在区域型的脏污，包括：定义判定区域；计算所述判定区域内所述脏污颗粒的个数以及面积；基于所述脏污颗粒的个数以及面积，判定所述判定区域是否属于区域型的脏污。
为了解决上述问题，本发明还提供一种脏污图像检测装置，包括：
影像获取单元，所述影像获取单元用于获取待检测镜片的影像；
第一处理单元，所述第一处理单元用于确定检测区域的范围；
第二处理单元，所述第二处理单元用于确定所述检测区域范围内的脏污颗粒；
检测单元，所述检测单元用于检测所述检测区域内是否存在脏污；
其中，所述第二处理单元包括：划分单元，所述划分单元用于将所述检测区域划分为多个局部区域；捕捉单元，所述捕捉单元用于捕捉所述局部区域内的多个像素点；选像单元，所述选像单元用于选择待判定的所述像素点；对比单元，所述对比单元用于对比所述像素点与周边其它像素点，以得出所述像素点与周边其它像素点之间灰度的差值；脏污颗粒获取单元，所述脏污颗粒获取单元用于基于所述差值，判定所述像素点是否为所述脏污颗粒；
所述检测单元包括以下三种单元中的一种、两种或三种：第一判定单元，所述第一判定单元用于判定所述检测区域内是否存在个体型的脏污；第二判定单元，所述第二判定单元用于判定所述检测区域内是否存在聚集型的脏污；第三判定单元，所述第三判定单元用于判定所述检测区域内是否存在区域型的脏污。
所述第一判定单元包括：第一选择单元，所述第一选择单元用于选择待判定的所述脏污颗粒；第一计算单元，所述第一计算单元用于计算所述脏污颗粒的面积；第一判定子单元，所述第一判定子单元用于判定所述脏污颗粒是否属于个体型脏污。
所述第二判定单元包括：第二选择单元，所述第二选择单元用于选择待判定的所述脏污颗粒；第一定义单元，所述第一定义单元用于定义聚集型距离；脏污颗粒连接单元，所述脏污颗粒连接单元用于连接所述脏污颗粒与其在所述聚集型距离内的其它脏污颗粒，以形成脏污颗粒集；第二计算单元，所述第二计算单元用于计算所述脏污颗粒集的面积；第二判定子单元，所述第二判定子单元用于判定所述脏污颗粒集是否属于聚集型的脏污。
所述第三判定单元包括：第二定义单元，所述第二定义单元用于定义判定区域；第三计算单元，所述第三计算单元用于计算所述判定区域内所述脏污颗粒的个数以及面积；第三判定子单元，所述第三判定子单元用于判定所述判定区域是否属于区域型的脏污。
为了解决上述问题，本发明还提供一种脏污图像检测机构，用于实现上述脏污图像检测方法，具体包括用于采集待采集镜片影像的相机、用于驱动所述相机沿竖直方向移动的驱动组件以及用于照射待采集镜片的发光组件。
采用上述提供的脏污图像检测方法及脏污图像检测装置，先获取镜片的影像，再根据所获得的影像确定需要检测的检测区域的范围，然后得出检测区域范围内的脏污颗粒，最后根据脏污颗粒，判断检测区域内的脏污。通过这种方法，可稳定且客观地检测出镜片上的脏污颗粒，无需人工操作，极大程度提高了脏污的检测效率。
附图说明
图1为本发明第一实施例提供的脏污图像检测方法的流程示意图。
图2为本发明第二实施例提供的脏污图像检测方法的部分流程示意图。
图3为本发明第三实施例提供的脏污图像检测方法的流程示意图。
图4为本发明第四实施例提供的脏污图像检测方法的部分流程示意图。
图5为本发明第五实施例提供的脏污图像检测方法的部分流程示意图。
图6为本发明第六实施例提供的脏污图像检测方法的流程示意图。
图7为本发明第七实施例提供的脏污图像检测方法的部分流程示意图。
图8为本发明第八实施例提供的脏污图像检测方法的部分流程示意图。
图9为本发明第八实施例提供的脏污图像检测方法的部分流程示意图。
图10为本发明提供的脏污图像检测装置的结构示意图。
图11为如图10提供的脏污图像检测装置的检测单元的结构示意图。
图12为如图11提供的检测单元的第一判定单元结构示意图。
图13为如图11提供的检测单元的第二判定单元结构示意图。
图14为如图11提供的检测单元的第三判定单元结构示意图。
图15为如图10提供的脏污图像检测装置的第二处理单元的结构示意图。
图16为本发明提供的脏污图像检测机构的结构示意图。
具体实施方式
下面结合附图和实施方式对本发明作进一步说明。
图1示出了本发明第一实施例提供的脏污图像检测方法的流程示意图，以下参考图1对本发明第一实施例进行详细的阐述。
S100：获取待检测镜片的影像。
可以理解的是，该影像内含有待检测镜片的影像，还包括待检测镜片周边的影像。
S200：基于影像，确定检测区域的范围。
该步骤的主要作用是用于去除待检测镜片周边的影像，以避免周边影像对于脏污检测的干扰。
S300：确定检测区域范围内的脏污颗粒。
脏污颗粒，指的是可能判断为脏污的颗粒。
S400：基于脏污颗粒，判定检测区域内的脏污。
对比脏污的特性，对上述可能为脏污的脏污颗粒进行判定。
需要补充的是，每款不同的镜片，其脏污的判定标准不同。
采用上述提供的脏污图像检测方法，先获取镜片的影像，再根据所获得的影像确定需要检测的检测区域的范围，然后得出检测区域范围内的脏污颗粒，最后根据脏污颗粒，判断检测区域内的脏污。通过这种方法，可稳定且客观地检测出镜片上的脏污颗粒，无需人工操作，极大程度提高了脏污的检测效率。
基于本发明第一实施例，本发明提出第二实施例。图2示出了本发明第二实施例提供的脏污图像检测方法的部分流程示意图，以下参考图2对本发明第二实施例进行详细的阐述。
S210：计算检测区域的中心坐标。
需要说明的是，在该步骤中，通过视觉算法来计算检测区域的中心坐标。可选地，通过卡尺算法来计算检测区域的中心坐标。
卡尺算法，首先对检测区域进行分割，形成均匀的区块，然后在每个划分的区块内取点，最后通过圆拟合或者直线拟合的方式，得到圆或直线，最终得到检测区域的中心坐标。
S220：定义检测区域的半径。
可以理解的是，不同型号的产品，其镜片的面积均不相同。因此，在本步骤中，根据镜片的型号来定义检测区域的半径。
S230：基于中心坐标及半径，计算检测区域的范围。
可以理解的是，已知检测区域的中心坐标以及检测区域，即可推算出该检测区域的面积以及检测区域内每个点的坐标。
基于本发明第一实施例，本发明提出第三实施例。图3示出了本发明第三实施例提供的脏污图像检测方法的流程示意图，以下参考图3对本发明第三实施例进行详细的阐述。
在步骤S200之后，还包括步骤S250。
S250：去除影响脏污判定结果的亮斑。
亮斑，指的是因光线照射在镜片上形成的斑点。该亮斑存在镜片的影像中，且易被判定为脏污，从而对脏污的判定结果产生影响。因此，去除影响脏污判定结果的亮斑，可保证脏污判定结果的准确性。
基于本发明第三实施例，本发明提出第四实施例。图4示出了本发明第四实施例提供的脏污图像检测方法的部分流程示意图，以下参考图4对本发明第四实施例进行详细的阐述。
步骤S250具体还包括如下步骤。
S251：定义脏污的最大外接椭圆长边半径。
可以理解的是，不同型号的镜片，其面积均不相同。面积相对较大的镜片，判定为脏污的标准已不相同。
S252：去除最大外接椭圆短边半径大于脏污最大外接椭圆长边半径的亮斑。
可以理解的是，脏污的最大外接椭圆长边半径已经确定，即大于脏污最大外接椭圆长边半径的亮斑不可能为脏污。
基于本发明第一实施例，本发明提出第五实施例。图5示出了本发明第五实施例提供的脏污图像检测方法的部分流程示意图，以下参考图5对本发明第五实施例进行详细的阐述。
步骤S300具体还包括如下步骤。
S310：将检测区域划分为多个局部区域。
可以理解的是，检测区域是由多个局部区域组成。
S320：捕捉局部区域内的多个像素点。
需要说明的是，像素是指由图像的小方格组成的，这些小方块都有一个明确的位置和被分配的色彩数值，小方格颜色和位置就决定该图像所呈现出来的样子。
S330：选择待判定的像素点。
S340：对比像素点与周边其它像素点，以得出像素点与周边其它像素点之间灰度的差值。
需要说明的是，数字图像是每个像素只有一个采样颜色的图像，这类图像通常显示为从最暗黑色到最亮的白色的灰度。具体地，把白色与黑色之间按对数关系分成若干级，称为“灰度等级”。范围一般从0到255，白色为255，黑色为0，故黑白图片也称灰度图像。
S350：基于差值，判定像素点是否为脏污颗粒。
需要补充的是，在判定某一像素点是否为脏污颗粒时，都需要用对比该点与周边其它像素点灰度的差值。重复多次步骤S330以及S340，以对比确定所有的像素点。
另外，可使用动态阈值法辅助完成步骤S300。动态阈值法，指的是将图像按左边分块，并对每一块分别选一阈值进行分割的方法。
基于本发明第一实施例，本发明提出第六实施例。图6示出了本发明第六实施例提供的脏污图像检测方法的流程示意图，以下参考图6对本发明第六实施例进行详细的阐述。
步骤S400包括以下三种方法的中的任意一种或多种。
S410：判定检测区域内是否存在个体型的脏污。
需要说明的是，该方法主要用于判定面积较大的脏污颗粒。
S420：判定检测区域内是否存在聚集型的脏污。
需要说明的是，该方法主要用于判定相聚较近或较为集中的多个脏污颗粒。
S430：判定检测区域内是否存在区域型的脏污。
需要说明的是，该方法主要用于判定较为分散的多个脏污颗粒。
基于本发明第六实施例，本发明提出第七实施例。图7示出了本发明第七实施例提供的脏污图像检测方法的部分流程示意图，以下参考图7对本发明第七实施例进行详细的阐述。
步骤S410具体包括如下步骤。
S411：选择待判定的脏污颗粒。
S412：计算脏污颗粒的面积。
可以理解的是，在步骤S230中以得知检测区域的范围以及检测区域内各点的坐标。如此，可根据脏污颗粒的坐标，得出脏污颗粒的面积。
S413：基于脏污颗粒的面积，判定脏污颗粒是否属于个体型的脏污。
可以理解的是，不同型号的手机镜片，其判定脏污的标准不相同。
若判断结果为个体型的脏污，便收集该脏污的数据。
基于本发明第六实施例，本发明提出第八实施例。图8示出了本发明第八实施例提供的脏污图像检测方法的部分流程示意图，以下参考图8对本发明第八实施例进行详细的阐述。
步骤S420具体包括如下步骤。
S421：选择待判定的脏污颗粒。
S422：定义聚集型距离。
可以理解的是，该聚集型距离的大小由镜片的型号决定。
S423：连接脏污颗粒与其聚集型距离内的其它脏污颗粒，以形成脏污颗粒集。
可以理解的是，多个脏污颗粒聚集在某区域内，其效果相当于一个较大的脏污颗粒。该步骤用于连接距离较近的脏污颗粒，从而形成一个较大的脏污颗粒。
S424：计算脏污颗粒集的面积。
可以理解的是，在步骤S230中以得知检测区域的范围以及检测区域内各点的坐标。如此，可根据脏污颗粒集的坐标，得出脏污颗粒集的面积。
S425：基于脏污颗粒集的面积，判定脏污颗粒集是否属于聚集型的脏污。
若判断结果为聚集型的脏污，便收集该脏污的数据。
另外，可采用闭运算来辅助完成步骤S420。在数学形态学中，闭运算被定义为先膨胀后腐蚀。
基于本发明第六实施例，本发明提出第九实施例。图9示出了本发明第九实施例提供的脏污图像检测方法的部分流程示意图，以下参考图9对本发明第九实施例进行详细的阐述。
步骤S430具体包括如下步骤。
S431：定义判定区域。
将检测区域分割为多个判定区域。
S432：计算判定区域内脏污颗粒的个数以及面积。
可以理解的是，在步骤S230中以得知检测区域的范围以及检测区域内各点的坐标。如此，可根据每一个脏污颗粒的坐标，得出脏污颗粒的总面积。
S433：基于脏污颗粒的个数以及面积，判定判定区域是否属于区域型的脏污。
若判断结果为区域型的脏污，便收集该脏污的数据。
另外，请参阅图10-图15，本发明还提供一种脏污图像检测装置1000，包括：
影像获取单元1100，影像获取单元1100用于获取待检测镜片的影像；
第一处理单元1200，第一处理单元1200用于确定检测区域的范围；
第二处理单元1300，第二处理单元1300用于确定检测区域范围内的脏污颗粒；
检测单元1400，检测单元1400用于检测检测区域内是否存在脏污。
具体地，第二处理单元1300具体包括如下单元。
划分单元1310，划分单元1310用于将检测区域划分为多个局部区域；
捕捉单元1320，捕捉单元1320用于捕捉局部区域内的多个像素点；
选像单元1330，选像单元1330用于选择待判定的像素点；
对比单元1340，对比单元1340用于对比像素点与周边其它像素点，以得出像素点与周边其它像素点之间灰度的差值；
脏污颗粒获取单元1350，脏污颗粒获取单元1350用于基于差值，判定像素点是否为脏污颗粒。
具体地，检测单元1400包括以下三种单元中的一种、两种或三种：
第一判定单元1410，第一判定单元1410用于判定检测区域内是否存在个体型的脏污；
第二判定单元1420，第二判定单元1420用于判定检测区域内是否存在聚集型的脏污；
第三判定单元1430，第三判定单元1430用于判定检测区域内是否存在区域型的脏污。
其中，第一判定单元1410包括：
第一选择单元1411，第一选择单元1411用于选择待判定的脏污颗粒；
第一计算单元1412，第一计算单元1412用于计算脏污颗粒的面积；
第一判定子单元1413，第一判定子单元1413用于判定脏污颗粒是否属于个体型脏污。
第二判定单元1420包括：
第二选择单元1421，第二选择单元1421用于选择待判定的脏污颗粒；
第一定义单元1422，第一定义单元1422用于定义聚集型距离；
脏污颗粒连接单元1423，脏污颗粒连接单元1423用于连接脏污颗粒与其在聚集型距离内的其它脏污颗粒，以形成脏污颗粒集；
第二计算单元1424，第二计算单元1424用于计算脏污颗粒集的面积；
第二判定子单元1425，第二判定子单元1425用于判定脏污颗粒集是否属于聚集型的脏污。
第三判定单元1430包括：
第二定义单元1431，第二定义单元1431用于定义判定区域；
第三计算单元1432，第三计算单元1432用于计算判定区域内脏污颗粒的个数以及面积；
第三判定子单元1433，第三判定子单元1433用于判定判定区域是否属于区域型的脏污。
需要说明的是，通过前述的脏污图像检测方法，本领域技术人员可清楚了解到本实施例提供的脏污图像检测装置1000，为了方便和简洁，上述单元以及装置的具体工作过程，可参考前述方法实施例中对应的过程，在此不再赘述。
另外，请参阅图16，本发明还提供一种脏污图像检测机构，具体包括包括用于采集待采集镜片影像的相机10、用于驱动相机10沿竖直方向移动的驱动组件20以及用于照射待采集镜片的发光组件30。
该驱动组件20包括动力元件21、丝杆（图中未示出）、移动螺母（图中未示出）、导轨22以及滑块23。该动力元件21的输出轴与丝杆连接，移动螺母套设且啮合在丝杆上，且该移动螺母与滑块23固定连接，该滑块23可滑动设置在导轨22上，再者相机10通过一安装件40安装在滑块23上。如此，可使动力元件21驱动相机10纵向运动。
优选地，动力元件21旋转伺服电机，以增加镜头点位移动的精度及稳定性。
可选地，该相机10选用低景深高分辨率的双远心镜头，以保证脏污能够成像清晰。进一步地，该相机10采用CMOS全局曝光相机10，保证既快速又稳定的获得影像。
进一步地，该发光组件30采用绿光灯加聚光镜组合，安装角度与镜头轴线成45度角，从下往上照射，满足待检测的镜头成品表面有多个光斑；这些光斑从中心开始，亮度慢慢变暗，使得待检测的镜头成品表面呈现不均匀的光照分布；这样，能够使得轻微脏污更好的呈现出来。
以上所述的仅是本发明的实施方式，在此应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出改进，但这些均属于本发明的保护范围。
Claims (6)
1.一种脏污图像检测方法，包括：
获取待检测镜片的影像；
基于所述影像，确定检测区域的范围；
确定所述检测区域范围内的脏污颗粒；
基于所述脏污颗粒，检测所述检测区域内是否存在脏污；
其中，所述确定所述检测区域范围内的脏污颗粒，包括：将所述检测区域划分为多个局部区域；捕捉所述局部区域内的多个像素点；选择待判定的所述像素点；对比所述像素点与周边其它像素点，以得出所述像素点与周边其它像素点之间灰度的差值；基于所述差值，判定所述像素点是否为所述脏污颗粒；
所述基于所述脏污颗粒，检测所述检测区域内是否存在脏污，包括以下三种方法中的一种、两种或三种：判定所述检测区域内是否存在个体型的脏污；判定所述检测区域内是否存在聚集型的脏污；判定所述检测区域内是否存在区域型的脏污；
其中，所述判定所述检测区域内是否存在个体型的脏污，包括：选择待判定的所述脏污颗粒；计算所述脏污颗粒的面积；基于所述脏污颗粒的面积，判定所述脏污颗粒是否属于个体型的脏污；
所述判定所述检测区域内是否存在聚集型的脏污，包括：选择待判定的所述脏污颗粒；定义聚集型距离；连接所述脏污颗粒与其在所述聚集型距离内的其它脏污颗粒，以形成脏污颗粒集；计算所述脏污颗粒集的面积；基于所述脏污颗粒集的面积，判定所述脏污颗粒集是否属于聚集型的脏污；
所述判定所述检测区域内是否存在区域型的脏污，包括：定义判定区域；计算所述判定区域内所述脏污颗粒的个数以及面积；基于所述脏污颗粒的个数以及面积，判定所述判定区域是否属于区域型的脏污。
2.根据权利要求1所述的脏污图像检测方法，其特征在于，所述基于所述影像，确定检测区域的范围，包括：
计算所述检测区域的中心坐标；
定义所述检测区域的半径；
基于所述中心坐标及所述半径，计算所述检测区域的范围。
3.根据权利要求1所述的脏污图像检测方法，其特征在于，在所述基于所述影像，确定检测区域的范围之后，在所述确定所述检测区域范围内的脏污颗粒之前，还包括：
去除影响脏污判定结果的亮斑。
4.根据权利要求3所述的脏污图像检测方法，其特征在于，所述去除影响脏污判定结果的亮斑，包括：
定义脏污的最大外接椭圆长边半径；
去除最大外接椭圆短边半径大于脏污最大外接椭圆长边半径的亮斑。
5.一种脏污图像检测装置，其特征在于，包括：
影像获取单元，所述影像获取单元用于获取待检测镜片的影像；
第一处理单元，所述第一处理单元用于确定检测区域的范围；
第二处理单元，所述第二处理单元用于确定所述检测区域范围内的脏污颗粒；
检测单元，所述检测单元用于检测所述检测区域内是否存在脏污；
其中，所述第二处理单元包括：划分单元，所述划分单元用于将所述检测区域划分为多个局部区域；捕捉单元，所述捕捉单元用于捕捉所述局部区域内的多个像素点；选像单元，所述选像单元用于选择待判定的所述像素点；对比单元，所述对比单元用于对比所述像素点与周边其它像素点，以得出所述像素点与周边其它像素点之间灰度的差值；脏污颗粒获取单元，所述脏污颗粒获取单元用于基于所述差值，判定所述像素点是否为所述脏污颗粒；
所述检测单元包括以下三种单元中的一种、两种或三种：第一判定单元，所述第一判定单元用于判定所述检测区域内是否存在个体型的脏污；第二判定单元，所述第二判定单元用于判定所述检测区域内是否存在聚集型的脏污；第三判定单元，所述第三判定单元用于判定所述检测区域内是否存在区域型的脏污；
所述第一判定单元包括：第一选择单元，所述第一选择单元用于选择待判定的所述脏污颗粒；第一计算单元，所述第一计算单元用于计算所述脏污颗粒的面积；第一判定子单元，所述第一判定子单元用于判定所述脏污颗粒是否属于个体型脏污；
所述第二判定单元包括：第二选择单元，所述第二选择单元用于选择待判定的所述脏污颗粒；第一定义单元，所述第一定义单元用于定义聚集型距离；脏污颗粒连接单元，所述脏污颗粒连接单元用于连接所述脏污颗粒与其在所述聚集型距离内的其它脏污颗粒，以形成脏污颗粒集；第二计算单元，所述第二计算单元用于计算所述脏污颗粒集的面积；第二判定子单元，所述第二判定子单元用于判定所述脏污颗粒集是否属于聚集型的脏污；
所述第三判定单元包括：第二定义单元，所述第二定义单元用于定义判定区域；第三计算单元，所述第三计算单元用于计算所述判定区域内所述脏污颗粒的个数以及面积；第三判定子单元，所述第三判定子单元用于判定所述判定区域是否属于区域型的脏污。
6.一种脏污图像检测机构，其特征在于，用于实现如权利要求1-4任意一项所述的脏污图像检测方法，具体包括用于采集待采集镜片影像的相机、用于驱动所述相机沿竖直方向移动的驱动组件以及用于照射待采集镜片的发光组件。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011282276.5A CN112102319B (zh) | 2020-11-17 | 2020-11-17 | 脏污图像检测方法、脏污图像检测装置及脏污图像检测机构 |
| PCT/CN2020/132652 WO2022104900A1 (zh) | 2020-11-17 | 2020-11-30 | 脏污图像检测方法、脏污图像检测装置及脏污图像检测机构 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011282276.5A CN112102319B (zh) | 2020-11-17 | 2020-11-17 | 脏污图像检测方法、脏污图像检测装置及脏污图像检测机构 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112102319A true CN112102319A (zh) | 2020-12-18 |
| CN112102319B CN112102319B (zh) | 2021-02-12 |
Family
ID=73785682
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011282276.5A Active CN112102319B (zh) | 2020-11-17 | 2020-11-17 | 脏污图像检测方法、脏污图像检测装置及脏污图像检测机构 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112102319B (zh) |
| WO (1) | WO2022104900A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113570597A (zh) * | 2021-09-01 | 2021-10-29 | 南通中煌工具有限公司 | 基于人工智能的泥头车车厢脏污程度的判定方法及系统 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116183940B (zh) * | 2023-02-07 | 2024-05-14 | 广东蓝莺高科有限公司 | 基于污点分布鉴别的生物检测分析装置 |
| CN118171878B (zh) * | 2024-03-29 | 2024-09-10 | 山东国通智云实业集团有限公司 | 一种基于无人值守的全智能洗车管理系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6317223B1 (en) * | 1998-12-14 | 2001-11-13 | Eastman Kodak Company | Image processing system for reducing vertically disposed patterns on images produced by scanning |
| CN102410974A (zh) * | 2011-12-14 | 2012-04-11 | 华北电力大学 | 气流输送管道中颗粒料粒度分布及形状分布在线测量方法 |
| CN102413354A (zh) * | 2011-10-05 | 2012-04-11 | 深圳市联德合微电子有限公司 | 一种手机摄像模组自动光学检测方法、装置及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3164831A4 (en) * | 2014-07-04 | 2018-02-14 | Light Labs Inc. | Methods and apparatus relating to detection and/or indicating a dirty lens condition |
| CN106231297B (zh) * | 2016-08-29 | 2019-03-19 | 深圳天珑无线科技有限公司 | 摄像头的检测方法及装置 |
| CN111246204B (zh) * | 2020-03-24 | 2022-02-01 | 昆山丘钛微电子科技有限公司 | 一种基于相对亮度偏差的脏污检测方法和装置 |
| CN111726612A (zh) * | 2020-07-07 | 2020-09-29 | 歌尔科技有限公司 | 镜头模组脏污检测方法、系统、设备及计算机存储介质 |
-
2020
- 2020-11-17 CN CN202011282276.5A patent/CN112102319B/zh active Active
- 2020-11-30 WO PCT/CN2020/132652 patent/WO2022104900A1/zh active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6317223B1 (en) * | 1998-12-14 | 2001-11-13 | Eastman Kodak Company | Image processing system for reducing vertically disposed patterns on images produced by scanning |
| CN102413354A (zh) * | 2011-10-05 | 2012-04-11 | 深圳市联德合微电子有限公司 | 一种手机摄像模组自动光学检测方法、装置及系统 |
| CN102410974A (zh) * | 2011-12-14 | 2012-04-11 | 华北电力大学 | 气流输送管道中颗粒料粒度分布及形状分布在线测量方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113570597A (zh) * | 2021-09-01 | 2021-10-29 | 南通中煌工具有限公司 | 基于人工智能的泥头车车厢脏污程度的判定方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022104900A1 (zh) | 2022-05-27 |
| CN112102319B (zh) | 2021-02-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112102319B (zh) | 脏污图像检测方法、脏污图像检测装置及脏污图像检测机构 | |
| CN111970506B (zh) | 镜头脏污检测方法、装置和设备 | |
| US10453195B2 (en) | Method of detecting tissue area of interest in digital pathology imaging by executing computer-executable instructions stored on a non-transitory computer-readable medium | |
| CN108896574B (zh) | 一种基于机器视觉的瓶装白酒杂质检测方法及系统 | |
| CN107478657A (zh) | 基于机器视觉的不锈钢表面缺陷检测方法 | |
| CN102175700A (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
| CN113252568A (zh) | 基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端 | |
| CN115131354B (zh) | 一种基于光学手段的实验室用塑料薄膜缺陷检测方法 | |
| CN110021012B (zh) | 基于机器视觉技术的手机镜头视窗玻璃缺陷检测方法 | |
| CN111523540A (zh) | 基于深度学习的金属表面缺陷检测方法 | |
| CN113177924A (zh) | 一种工业流水线产品瑕疵检测方法 | |
| WO2021000948A1 (zh) | 配重重量的检测方法与系统、获取方法与系统及起重机 | |
| CN114926407A (zh) | 一种基于深度学习的钢材表面缺陷检测系统 | |
| TWI512284B (zh) | 玻璃氣泡瑕疵檢測系統 | |
| CN110648330A (zh) | 摄像头玻璃的缺陷检测方法 | |
| CN114577805A (zh) | 一种MiniLED背光面板缺陷检测方法及装置 | |
| JP5088165B2 (ja) | 欠陥検出方法および欠陥検出装置 | |
| CN110441321B (zh) | 基于分时曝光图像综合的透明材质内部缺陷检测方法 | |
| CN114693659A (zh) | 基于图像处理的铜管表面清洗效果评估方法及系统 | |
| JP7356010B2 (ja) | 表面性状検査装置及び表面性状検査方法 | |
| CN110530894B (zh) | 导光板亮点缺陷检测方法 | |
| CN111008960B (zh) | 基于机器视觉的铝电解电容底部外观检测方法及装置 | |
| CN111563869B (zh) | 用于摄像模组质检的污点测试方法 | |
| CN116402822A (zh) | 混凝土结构图像检测方法、装置、电子设备及存储介质 | |
| CN116237266A (zh) | 一种法兰尺寸测量方法及其设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |